[发明专利]一种语音转换方法、装置、设备及存储介质

说明书

本申请提供一种语音转换方法、装置、计算机设备及计算机可读存储介质，通过向语音转换模型中输入训练梅尔语谱，获得语音转换模型的转换梅尔语谱损失和停止概率损失；其中，所述语音转换模型在训练时以训练梅尔语谱为输入，获得所述语音转换模型的转换梅尔语谱损失和停止概率损失，以所述转换梅尔语谱损失和所述停止概率损失最小化为目标对所述语音转换模型进行迭代训练，以实现提升语音转换模型的转换性能，在使用该语音转换模型进行语音转换时能够生成音质更好的转换语音。

技术领域

本申请涉及智能语音技术领域，尤其涉及一种语音转换方法、装置、设备及存储介质。

背景技术

随着机器学习和人工智能最近几年以来的迅速发展，语音技术作为人工智能主要领域之一，也得到了广泛的关注。语音信号内蕴了多种信息，包括说话人身份、情感和语义信息等。语音转换(Voice Conversion，VC)作为智能语音技术方向之一，就是通过修改语音信号中与说话人相关的频谱和韵律特征，在保持与说话人无关的信息(语言内容)不变的同时，改变感知到的说话人身份信息。语音转换技术在多个领域都有着广泛的应用场景，如：AI 配音、歌声转换、模仿或隐藏说话人的身份、个性化语音合成等。

传统的语音转换基本是依赖于复杂的语音信号处理先验知识，从语音波形中提取出多种低维的信号表征，然后通过统计模型来对待转换的源语音特征到转换后的目标语音特征建立映射，从而实现语音转换。但是传统的语音转换要经过复杂的特征提取步骤，并且性能无法保障。为了减少复杂的特征提取步骤，可以采用深度学习来代替传统的统计模型，通过神经网络来实现源语音特征到目标语音特征的映射，因此有必要设计一种语音转换方法、装置、设备存储介质以克服上述问题。

发明内容

本申请的主要目的在于提供一种语音转化方法、装置、计算机设备及计算机可读存储介质，旨在解决现有技术中语音转换要经过复杂的特征提取步骤的技术问题。

第一方面，本申请提供一种语音转换方法，所述方法包括以下步骤：

将源语音的梅尔语谱输入到语音转换模型，获得所述语音转换模型输出的目标语音的梅尔语谱；

其中，所述语音转换模型在训练时以训练梅尔语谱为输入，获得所述语音转换模型的转换梅尔语谱损失和停止概率损失，以所述转换梅尔语谱损失和所述停止概率损失最小化为目标对所述语音转换模型进行迭代训练。

一些实施例中，所述将源语音的梅尔语谱输入到语音转换模型，获得所述语音转换模型输出的目标语音的梅尔语谱前，还包括：

预置语音转换模型；

输入所述训练梅尔语谱到所述语音转换模型，获得当前时间步转换梅尔语谱帧和所述当前时间步转换梅尔语谱帧对应的停止概率；

根据所述当前时间步转换梅尔语谱帧确定所述转换梅尔语谱损失，根据所述停止概率确定所述停止概率损失；

根据所述当前时间步转换梅尔语谱损失和所述停止概率损失确定所述转换模型的总损失；

以所述总损失最小化为目标，对所述语音转换模型进行迭代优化，获得训练后的语音转换模型。

一些实施例中，所述输入所述训练梅尔语谱到所述语音转换模型，获得当前时间步转换梅尔语谱帧和所述当前时间步转换梅尔语谱帧对应的停止概率，还包括：

输入上一时间步转换梅尔语谱帧到所述语音转换模型。

一些实施例中，所述根据所述当前时间步转换梅尔语谱帧确定所述转换梅尔语谱损失，包括：

对所述当前时间步转换梅尔语谱帧进行残差预测，获得残差值；

根据所述当前时间步转换梅尔语谱帧和所述残差确定所述转换梅尔语谱损失。